TOY PHILOSOPHY // 006

25//02//2018

La inducción, otra vez

por Reza Negarestani

En caso de que no lo hayan visto aún, escribí un artículo sobre Hume y el problema de la inducción, o para ser más preciso y menos general, los problemas del inductivismo:

Three Nightmares of the Inductive Mind [pronto habrá traducción]

Con suerte—y si lo permite el espacio—publicaré una versión extendida de este artículo ocupándose de más temas referidos al argumento de Putnam en contra de la posibilidad de una máquina inteligente óptima o universal, y la explicación formal de Solomonoff de la navaja de Occam.

Sin embargo desde la redacción de este texto, he llegado a la conclusión de que contiene algunos problemas, particularmente de precisión. Por ejemplo, un asunto menos serio es mi tratamiento algo astuto de la visión de Carnap de una máquina inteligente en su obra magna Fundamentos Lógicos de la Probabilidad. He seguido el argumento de Putnam pero el asunto es que el desafío de Putnam en Lógica Inductiva y Grado de Confirmación, y en su postura expresada ante Radio Free Europe (Probabilidad y Confirmación) no son falsos. Estos argumentos atribuyen una opinión a Carnap que no es adecuada. En otras palabras, Putnam toma el alcance de una máquina inteligente formal—una que Carnap menciona hacia el final de su libro—mucho más ampliamente y de manera más ambiciosa que lo que Carnap piensa que es el caso.

Un problema más serio es el que me mencionó recientemente mi amigo Adam Berg: que el nuevo acertijo de Goodman (el problema de los proyectables) y la posición de Putnam respecto del problema de la inducción difieren fundamentalmente y no pueden ser tratados como si los dos se enfrentaran al mismo problema de inducción. En un caso, el problema lidia explícitamente con observaciones o enunciados empíricos, mientras que en el otro—es decir, la lógica inductiva de Carnap que es objeto de crítica de Putnam—tales observaciones están ausentes.

En este último caso, no tenemos enunciados observacionales simples. Todo lo que tenemos son enunciados lógicos. Incluso el enunciado-e en c(h,e)=r es solo una referencia—dentro del marco de la lógica inductiva—y no una observación empírica per se. En esta medida, uno debe ser precavido de usar ejemplos como las paradojas de los Cuervos o del Verdul (es decir, paradojas inductivas explícitamente basadas en la observación) para desafiar la lógica inductiva de Carnap. Como resolución y mediación entre las dos posturas, Adam me ha recomendado revisar el paradigma de la inducción de Reichenbach sobre este asunto. Sin embargo pienso que hay un fantasma que persigue incluso el paradigma de inducción de Reichenbach cuyas fallas son resaltadas espectacularmente—aunque de manera inadvertida—en el ensayo de Sellars titulado Induction as Vindication. Este fantasma es el problema de la simplicidad o elegancia. Más rigurosamente, es el problema de una explicación irrestricta de la simplicidad cuya adopción exige un alto costo metafísico (por ejemplo, ver las críticas de Grümbaum o de Rescher). Incluso la concepción formal de la simplicidad tiene sus propias incoherencias de las que doy cuenta en mi artículo.

Anuncios

TOY PHILOSOPHY // 004

Colección sobre Complejidad (con enlaces agregados)

09//02//2018

Mientras los próximos posts están fermentando, pensé en hacer una lista para algunos amigos que me han preguntado sobre materiales de referencia sobre nuevas tendencias en las ciencias de la complejidad (escalas, sistemas anticipatorios, la cuestión de la formalización de sistemas adaptativos, modelado, y nuevos paradigmas explicativos).

En una nota aparte: mi amigo Alan Berg también comenzará a publicar sobre juguetes, construcción de mundos y filosofía de la complejidad en este blog. Podría divagar sobre la filosofía de Adam por páginas. Basta decir que él es uno en ese puñado de filósofos que no admite —ni en teoría ni en práctica— una distinción entre los campos analíticos y continental. Su compromiso es solo con una cosa, la exploración filosófica en el sentido más amplio. Su obra maestra Phenomenalism, Phenomenology, and the Question of Time: A Comparative Study of the Theories of Mach, Husserl, and Boltzmann es una evidencia más que suficiente para apoyar aquella afirmación.

×××

Complexity: Hierarchical Structures and Scaling in Physics – Remo Badii, Antonio Politi [Un trabajo clásico y técnico en las ciencias de la complejidad que inició todo un género de investigación sobre jerarquización, escalas y restricciones en el modelado.]

Lyapunov Exponents: A Tool to Explore Complex Dynamics – Arkady Pikovsky, Antonio Politi [Otra obra técnica sobre una de los conceptos claves en el estudio de sistemas complejos y dinámicos. Acuerdo con Robert Bishop en que sin una comprensión adecuada de los exponentes de Lyapunov, es fácil caer en la trampa de las creencias populares sobre la complejidad y el caos.]

An Introduction to Kolmogorov Complexity and Its Applications – Paul Vitányi, Ming Li [Otra obra técnica más, pero necesaria para comprender la complejidad algorítmica y los últimos trabajos sobre complejidad y estabilidad estructural por aquellos autores como Crutchfield y Ladyman]

Simulation and Similarity – Michael Weisberg

Complexity: metaphors, models, and reality – George Cowan, et al. [Ocasionalmente un poco anticuada, pero contiene algunas conversaciones interesantes entre personas de Santa Fe, Nuevo Mexico.]

Re-Engineering Philosophy for Limited Beings: Piecewise Approximations to Reality

– William Wimsatt [Una colección expandida y revisada de los artículos de Wimsatt sobre funcionalismo, el enfoque gradualista al modelado y mecanismos.]

Discovering Complexity: Decomposition and Localization as Strategies in Scientific Research – William Bechtel [Este o el otro trabajo de Bechtel Mental Mechanisms. Para una buena respuesta crítica breve al paradigma de Bechtel-Wimsatt de explicación mecanicista, ver Comments on Bechtel, ‘Levels of description and explanation in cognitive science’*****] de Jay Rosenberg.)

In Search of Mechanisms – Carl Craver

No Revolution Necessary – Carl Craver

Levels – Carl Craver [Este y el ensayo de Batterman sobre escalas y explicación de nivel medio son cruciales no solo para entender el problema de los niveles descriptivos-explicativos sino también pensar sobre los usos potenciales de tales paradigmas en las ontologías de la información y las redes semánticas. Ver por ejemoplo WonderWeb Deliverable.]

The Devil in the Details: Asymptotic Reasoning in Explanation – Robert Batterman

The Tyranny of Scales – Robert Batterman

Physics Avoidance – Mark Wilson [Muy recomendado. Este libro largamente esperado y secuela a Wandering Significance salió este mes.]

Philosophy of Complex Systems – (ed.) Cliff Hooker [Robert Bishop, que tiene un ensayo en esta colección, ofrece una crítica particularmente astuta a algunas de las creencias populares en las ciencias de la complejidad.]

Anticipatory Systems – Robert Rosen

Theoretical Biology and Complexity – Robert Rosen

Memory Evolutive Systems – Andrée Ehresmann

Simple, Complex, Super-complex Systems – Ion Baianu

What is a complex system? – James Ladyman, et al.

The Calculi of Emergence – James Crutchfield

Modularity in Development and Evolution – (eds.) Gerhard Schlosser, Günter Wagner

Towards a Theory of Development – (eds.) Alessandro Minelli, Thomas Pradeu

Functions – Philippe Huneman [Probablemente una de las mejores colecciones sobre la nueva ola funcionalista informada por las ciencias de la complejidad.]

Developing Scaffolds in Evolution, Culture, and Cognition – (eds.) Wimsatt, et al.

Representación, Analogía

Escribía para un trabajo sobre la representación y la realidad,

“¿Qué sucede con los objetos de representación? ¿Cómo se los trae a la cercanía? ¿Qué carácter hace que el medio represente lo representado? Lo que se busca para que se logre la representación, es decir, una teoría substantiva de la representación científica, son sus condiciones necesarias (entre las que se encuentran las condiciones de lo que se llama intuitivamente la representación ordinaria en general) y suficientes. Ese carácter o condiciones, dice Suarez, no son la similaridad ni la homología.”

Mi pregunta es: si la analogía es la condición necesaria y suficiente de la representación, entonces ¿qué es analogía, y que diferencias tiene con la similaridad y la homología? ¿Puede definirse esa analogía como “igualdad o identidad de relaciones”? ¿Sería esta definición apta para explicar los vínculos y proporciones entre la entidad real y los conceptos o ecuaciones matemáticas que los representan?

 

Círculos animales

2:53 19/01/2017
Patrones circulares en distintos lugares formados por confluctos entre plantas e insectos.

“All over the globe, plants are growing into strange, circular patterns / These crop circle patterns emerge when plants and bugs compete for resources.
(…) in the Namib Desert of Africa, they’re called “fairy circles;” in Brazil they’re dubbed “murundus,” and in North America they’re known as “Mima mounds.” In a recent paper for Nature, Princeton ecologist Corina E. Tarnita and her colleagues call them “landscapes of overdispersed (evenly spaced) elements.” All are regions where plants grow into such perfectly symmetrical, large-scale patterns that they seem unnatural.
(…) Two of the leading hypotheses involve plant cooperation and insect rivalries. In areas where water resources are scarce or irregular, plants are known to engage in “scale-dependent feedbacks,” where plants over a wide area grow into clusters rather than spreading out over a big area. The plant clumps limit their sizes to make the best use of water, and this strategy leads to reproductive success. It also might explain why we see patterns of plant growth that are characteristic of fairy circles and Mima mounds.
But some scientists who have studied the pattern say that more is going on. They argue that water resources in these areas are being divvied up by warring groups of termites who suctioned water out of the dry areas and relocated it to their mounds. Given that successful termite colonies tend to have territory sizes that are roughly comparable, this would explain why so many of these odd regions contain mounds as well as dry patches.
Tarnita and her colleagues’ paper in Nature suggests that we’re probably seeing an unusual interaction between plants and termites, both attempting to maintain access to water in dry areas. Using a computer model that accounted for both plant and insect life cycles, the researchers were able to reproduce the exact patterns we see in fairy circles. Speaking to the Washington Post’s Sarah Kaplan, Tarnita marveled, “It’s an amazing thing that you can get such clean, beautiful geometric patterns. Such tiny creatures doing their thing very locally every day end up producing these unbelievable large-scale patterns… To me, it’s mind-boggling that nature can do that.” Kaplan added that Princeton chemist Salvatore Torquato identified the fairy circle patterns as “hyperuniform,” a state often seen in substances whose semi-organized atomic structure puts them halfway between a crystal and a liquid.
Though we may not yet know for certain what kinds of interactions cause these eerily regular landscapes, Tarnita and her colleagues’ model brings us one step closer. They argue that we are just at the dawn of understanding ecological self-organization, partly because satellite imagery makes it easier to see features like fairy circles. But we’re only beginning to understand the way communities of lifeforms interact to produce such oddly partitioned environments.

http://arstechnica.com/science/2017/01/all-over-the-globe-plants-are-growing-into-strange-circular-patterns/
http://www.nature.com/nature/journal/v541/n7637/full/nature20801.html

20:04 16/01/2017
Robert Epstein:

My favourite example of the dramatic difference between the IP perspective and what some now call the ‘anti-representational’ view of human functioning involves two different ways of explaining how a baseball player manages to catch a fly ball – beautifully explicated by Michael McBeath, now at Arizona State University, and his colleagues in a 1995 paper in Science. The IP perspective requires the player to formulate an estimate of various initial conditions of the ball’s flight – the force of the impact, the angle of the trajectory, that kind of thing – then to create and analyse an internal model of the path along which the ball will likely move, then to use that model to guide and adjust motor movements continuously in time in order to intercept the ball.
That is all well and good if we functioned as computers do, but McBeath and his colleagues gave a simpler account: to catch the ball, the player simply needs to keep moving in a way that keeps the ball in a constant visual relationship with respect to home plate and the surrounding scenery (technically, in a ‘linear optical trajectory’). This might sound complicated, but it is actually incredibly simple, and completely free of computations, representations and algorithms.
(…)
Worse still, even if we had the ability to take a snapshot of all of the brain’s 86 billion neurons and then to simulate the state of those neurons in a computer, that vast pattern would mean nothing outside the body of the brain that produced it. This is perhaps the most egregious way in which the IP metaphor has distorted our thinking about human functioning. Whereas computers do store exact copies of data – copies that can persist unchanged for long periods of time, even if the power has been turned off – the brain maintains our intellect only as long as it remains alive. There is no on-off switch. Either the brain keeps functioning, or we disappear. What’s more, as the neurobiologist Steven Rose pointed out in The Future of the Brain (2005), a snapshot of the brain’s current state might also be meaningless unless we knew the entire life history of that brain’s owner – perhaps even about the social context in which he or she was raised.

https://aeon.co/essays/your-brain-does-not-process-information-and-it-is-not-a-computer
Blog sobre la postura antirepresentacional: http://psychsciencenotes.blogspot.com/p/about-us.html
Revisar los estudios sobre la memoria, por todo el asunto de qué tan posible es descargar la memoria a una base de datos externa.

Listas

19:50 16/01/2017

Lista de libros y autores en un artículo de aeon sobre neurociencias:

In Our Own Image (2015), George Zarkadakis
Language and Communication (1951), George Miller.
The Computer and the Brain (1958), John von Neumann
How to Create a Mind: The Secret of Human Thought Revealed (2013), Ray Kurzweil
Radical Embodied Cognitive Science (2009), Anthony Chemero
Transcendence (2014) (película) starring Johnny Depp
Remembering (1932), Frederic Bartlett
The Future of the Brain (2005), Steven Rose

Michael McBeath, futurist Kurzweil, physicist Stephen Hawking, neuroscientist Randal Koene, Eric Kandel, Kenneth Miller

13:57 25/11/2016

https://aeon.co/ideas/has-dogma-derailed-the-scientific-search-for-dark-matter

Pavel Kroupa, profesor de astrofísica de la Universidad de Bonn, Alemania.

Posiblemente la inculsion de la materia negra sea, como supuse, un postulado metafísico dogmático. Debería darse un nombre nuevo a esta cuestión. Una de las cosas que suele estar en juego son los ‘grants’ (becas de investigación)… ¿por qué deberían pagarnos por investigar? ¿Somos una parte importante del Estado?

21:51 20/11/2016
genetica + geopolitica

http://cc.bingj.com/cache.aspx?q=http%3a%2f%2fblogs.plos.org%2fdnascience%2f2016%2f11%2f10%2fdonald-trump-and-the-new-morlock-nation%2f&d=9747066398514&mkt=en-US&setlang=en-US&w=yspi9YnPj5Gr4avF_mqmzBgvnkEgL9RN

Filosofia de la tecnica_filosofia de la ciencia_filosofia politica
idea_Los contenidos de cada ciencia revelan un ambito de operacion ingenieril a partir de la cual operan los poderes. a=cuantica, computacion, ciberseguridad; b=genetica, tecnomedicina, biopolitica; c=neurociencia, realidad virtual-aumentada, neuropolitica; d=economia, computacion y mgmt, neoliberalismo/ciberliberalismo; genética, especiacion, evolucion.